Amikor a vállalati AI nyílt forráskódú lesz: Bemutatjuk a Poolside Laguna XS.2-t

Ritka az az AI modell, ami nyíltan bevallja, mire való igazán.

A legtöbb új kiadás benchmark táblázatokkal, villantós teljesítménnyel és AGI-ígéretekkel henceg. A Poolside AI Laguna XS.2-je másképp közelít: egy csapat meséli el, hogyan építettek éveken át AI-t kormányzati és védelmi cégeknek. Ott nem "gyorsan, és ami törik, az törik" a mantram, hanem szigorú biztonsági ellenőrzések.

Most ezt a tudást kiadták Apache 2.0 alatt. Bárki használhatja.

A háttér számít, nem a toplista

A Poolside eddig félhomályban dolgozott. Lezárt rendszerek, saját szerverek, titkosítások, amikről a legtöbb fejlesztő csak álmodik. Ez nem menő meló volt – itt a megbízhatóság alapvető életfeltétel.

A Laguna XS.2 nyilvános kiadása szinte mellékesnek tűnik a küldetésükhöz. Pont ez teszi izgalmasssá. Nem leaderboard-győzelemre optimalizálták, hanem valódi, kockázatos problémákra, ahol a hiba nem opció.

Ez merőben más szemlélet, mint az AI-versenyé.

Mit kapsz pontosan?

33 milliárd paraméter, ebből tokenenként csak 3 milliárd aktív – ez futtatható modell. Nem elméleti szörnyeteg: Mac-en 36 GB RAM-mal menni fog. Ollama, vLLM vagy Transformers alatt azonnal bevethető.

Az építkezés gyakorlati korlátokból fakad:

Okos figyelmi mechanizmusok: 40-ból 30 rétegben csúszó ablakos attention, fejenkénti kapuzással. Alacsony KV cache, gyorsabb futás, hosszú kontextusoknál sem romlik a minőség.

Beépített gondolkodás: Eszközhívások között váltott reasoning. Bekapcsolhatod vagy kikapcsolhatod feladatonként – nem mindenhez kell lépésről lépésre magyarázat, de ha igen, kész.

128K kontextus: Elég nagy kódbázisokhoz, doksikhoz, hosszú láncokhoz anélkül, hogy tokenek fogyjanak.

Kód-központú gondolkodás

Itt tér el igazán a Poolside a tömegtől: szerintük a kódírás az alap, amin keresztül az agentek mindent megcsinálnak.

Egy jó kódozó agent önállóan rak össze akciókat. Saját eszközöket épít. Rendszerekkel kommunikál, amit sima függvényhívás nem bír. Ez nem véletlen a Laguna XS.2-ben – ez a teljes filozófia.

Ha autonóm AI-t fejlesztesz, ez passzol a valós agent-architektúrákhoz. Hosszú, száz tool call-os pályákon trenírozták, nem rövid benchmark-feladatokra.

Benchmark-világítás

Nem veri agyon az összes tesztet a Laguna XS.2. A Qwen 3.6-35B jobb SWE-bench-en, a Claude Haiku 4.5 Verified-ben vezet.

De nézd meg: multilingual kódolásban tartja a lépést, hosszú távú feladatokon erős. A Poolside saját agent-tesztei rövid pályákat mérnek – itt nem villan meg igazán az előny.

A lényeg a hosszú távú, produkciós agent-munka, ami nem fér be a standard benchmarkokba.

Indítsd el most

API-n keresztül: Poolside ingyenes API-t ad ideiglenesen. Teszteld a XS.2-t (nyílt) és a 225B-s Laguna M.1-et (zárat) a saját feladataidon.

Helyben futtatva: Ollama azonnal kezeli. Transformers és vLLM naprakész támogatással.

Agent-eszközök: Kiadták a pool-t, egy könnyű terminál agentet az Agent Client Protocolhoz. Referenciaimplementáció agent-fejlesztéshez.

Miért fontos ez most?

Az AI-piac kettévált. Egyik oldalon: fogyasztói modellek, leaderboardokra és demókra hangolva. Másikon: kormányzati-enterprise rendszerek, ahol a megbízhatóság veri a pontokat.

A Laguna XS.2 ebből a második táborból jön nyilvánosságra. Nem a legokosabb akar lenni, hanem a legmegbízhatóbb ott, ahol a hiba pénzt vagy többet kerül.

Fejlesztőknek produkciós rendszerekhez – kódgenerálás, autonóm agentek, külső toolok – ez a hasznosabb út.

A súlyok Hugging Face-en. Kód nyílt. Doku szuper. Várjuk az enterprise-kódolót, amit futtathatsz és módosíthatsz? Ez az.